【OpenCV函数】轮廓提取;轮廓绘制;轮廓面积;外接矩形

标签：

FindContours

在二值图像中寻找轮廓
int cvFindContours( CvArr* image, CvMemStorage* storage, CvSeq** first_contour,
int header_size=sizeof(CvContour), int mode=CV_RETR_LIST,
int method=CV_CHAIN_APPROX_SIMPLE, CvPoint offset=cvPoint(0,0) );

• image  输入的 8-比特、单通道图像. 非零元素被当成 1， 0 象素值保留为 0 - 从而图像被看成二值的。为了从灰度图像中得到这样的二值图像，可以使用 cvThreshold, cvAdaptiveThreshold 或 cvCanny. 本函数改变输入图像内容。
  
• storage  得到的轮廓的存储容器
  
• first_contour  输出参数：包含第一个输出轮廓的指针
  
• header_size   如果 method=CV_CHAIN_CODE，则序列头的大小 >=sizeof(CvChain)，否则 >=sizeof(CvContour) .
  
• mode  提取模式.
  CV_RETR_EXTERNAL - 只提取最外层的轮廓
  CV_RETR_LIST - 提取所有轮廓，并且放置在 list 中
  CV_RETR_CCOMP - 提取所有轮廓，并且将其组织为两层的 hierarchy: 顶层为连通域的外围边界，次层为洞的内层边界。
  CV_RETR_TREE - 提取所有轮廓，并且重构嵌套轮廓的全部 hierarchy
  
• method  逼近方法 (对所有节点, 不包括使用内部逼近的 CV_RETR_RUNS).
  CV_CHAIN_CODE - Freeman 链码的输出轮廓. 其它方法输出多边形(定点序列).
  CV_CHAIN_APPROX_NONE - 将所有点由链码形式翻译(转化）为点序列形式
  CV_CHAIN_APPROX_SIMPLE - 压缩水平、垂直和对角分割，即函数只保留末端的象素点;
  CV_CHAIN_APPROX_TC89_L1,
  CV_CHAIN_APPROX_TC89_KCOS - 应用 Teh-Chin 链逼近算法. CV_LINK_RUNS - 通过连接为 1 的水平碎片使用完全不同的轮廓提取算法。仅有 CV_RETR_LIST 提取模式可以在本方法中应用.
  
• offset  每一个轮廓点的偏移量. 当轮廓是从图像 ROI 中提取出来的时候，使用偏移量有用，因为可以从整个图像上下文来对轮廓做分析.

函数 cvFindContours 从二值图像中提取轮廓，并且返回提取轮廓的数目。指针 first_contour 的内容由函数填写。它包含第一个最外层轮廓的指针，如果指针为 NULL，则没有检测到轮廓（比如图像是全黑的）。其它轮廓可以从 first_contour 利用 h_next 和 v_next 链接访问到。 在 cvDrawContours 的样例显示如何使用轮廓来进行连通域的检测。轮廓也可以用来做形状分析和对象识别 - 见CVPR2001 教程中的 squares 样例。该教程可以在 SourceForge 网站上找到。

DrawContours

在图像中绘制外部和内部的轮廓。 

void 

cvDrawContours

( CvArr *img, CvSeq* contour,
                     CvScalar external_color, CvScalar hole_color,
                     int max_level, int thickness=1,
                     int line_type=8, CvPoint offset=cvPoint(0,0) );

• img 用以绘制轮廓的图像。和其他绘图函数一样，边界图像被感兴趣区域（ROI）所剪切。
• contour 指针指向第一个轮廓。 external_color 外层轮廓的颜色。
• hole_color 内层轮廓的颜色。
• max_level 绘制轮廓的最大等级。如果等级为0，绘制单独的轮廓。如果为1，绘制轮廓及在其后的相同的级别下轮廓。如果值为2，所有的轮廓。如果等级为2，绘制所有同级轮廓及所有低一级轮廓，诸此种种。如果值为负数，函数不绘制同级轮廓，但会升序绘制直到级别为abs(max_level)-1的子轮廓。
• thickness 绘制轮廓时所使用的线条的粗细度。如果值为负(e.g. =CV_FILLED),绘制内层轮廓。
• line_type 线条的类型。参考cvLine.
• offset 按照给出的偏移量移动每一个轮廓点坐标.当轮廓是从某些感兴趣区域(ROI)中提取的然后需要在运算中考虑ROI偏移量时，将会用到这个参数。

当thickness>=0,函数cvDrawContours在图像中绘制轮廓,或者当thickness<0时，填充轮廓所限制的区域。

#include "cv.h"
#include "highgui.h"

int main( int argc, char** argv )
{
    IplImage* src;
    // 第一条命令行参数确定了图像的文件名。
    if( argc == 2 && (src=cvLoadImage(argv[1], 0))!= 0)
    {
        IplImage* dst = cvCreateImage( cvGetSize(src), 8, 3 );
        CvMemStorage* storage = cvCreateMemStorage(0);
        CvSeq* contour = 0;

        cvThreshold( src, src, 1, 255, CV_THRESH_BINARY );
        cvNamedWindow( "Source", 1 );
        cvShowImage( "Source", src );

        cvFindContours( src, storage, &contour, sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE );
        cvZero( dst );

        for( ; contour != 0; contour = contour->h_next )
        {
            CvScalar color = CV_RGB( rand()&255, rand()&255, rand()&255 );
            /* 用1替代 CV_FILLED  所指示的轮廓外形 */
            cvDrawContours( dst, contour, color, color, -1, CV_FILLED, 8 );
        }

        cvNamedWindow( "Components", 1 );
        cvShowImage( "Components", dst );
        cvWaitKey(0);
    }
}

在样本中用1替代 CV_FILLED 以指示的得到外形。

ContourArea

double cvContourArea( const CvArr* contour, CvSliceslice=CV_WHOLE_SEQ );

• contour：轮廓（顶点的序列或数组）。
• slice：感兴趣区轮廓部分的起点和终点，默认计算整个轮廓的面积。

函数cvContourArea计算整个或部分轮廓的面积。在计算部分轮廓的情况时，由轮廓弧线和连接两端点的弦
围成的区域总面积被计算，如下图所示：

NOTE：

轮廓的位置将影响区域面积的符号，因此函数范围的有可能是负值。可以使用C运行时函数fabs()来
得到面积的绝对值。

e.g. double area = fabs(cvContourArea(contour));

BoundingRect

计算点集的最外面（up-right）矩形边界
CvRect cvBoundingRect( CvArr* points, int update=0 );

• points
  二维点集，点的序列或向量 (CvMat)
• update
  更新标识。下面是轮廓类型和标识的一些可能组合:
  update=0, contour ~ CvContour*: 不计算矩形边界，但直接由轮廓头的 rect 域得到。
  update=1, contour ~ CvContour*: 计算矩形边界，而且将结果写入到轮廓头的 rect 域中 header.
  update=0, contour ~ CvSeq* or CvMat*: 计算并返回边界矩形
  update=1, contour ~ CvSeq* or CvMat*: 产生运行错误 （runtime error is raised）

函数 cvBoundingRect 返回二维点集的最外面 （up-right）矩形边界。

【OpenCV函数】轮廓提取;轮廓绘制;轮廓面积;外接矩形

标签：

原文地址：http://www.cnblogs.com/KC-Mei/p/4324142.html